Yol haritası

Mişko video-only davranış testi platformu olarak başlar. Core roadmap içinde sensör yoktur. Tüm ölçümler kamera karelerinden, kalibrasyondan, apparatus geometrisinden ve kod sahipli paradigma spec’lerinden türetilir.

Kamera karesi
  -> detection veya segmentation
  -> tracking
  -> pikselden cm'ye kalibrasyon
  -> apparatus koordinatlarında trajectory
  -> zone ve event metrikleri
  -> kalite kontrol metrikleri
  -> Mişko'da valide edilmiş özet sonuç

Adım 0 - Kimlik ✅

• Docker açılışında superadmin bootstrap.
• Public kayıt kaldırıldı.
• İçeriden kullanıcı yönetimi.

Adım 1 - Lab temeli ✅

• Laboratory singleton: kurulum başına bir lab. ✅
• Kurulum sihirbazı lab ve SUPERADMIN’i birlikte oluşturur (CLI, Docker açılışı). ✅
• İkinci laboratuvar oluşturulması reddedilir (singleton garantisi). ✅
• Beş rol: SUPERADMIN, LAB_MANAGER, RESEARCHER, TECHNICIAN, VIEWER. ✅
• requirePermission(...) ile kodda tanımlı izin matrisi. ✅
• Environment instance’ları: bir paradigma template’inden oluşturulan isimli, kalıcı test düzenekleri (paradigma başına birden çok). ✅

Tamamlandı: Laboratory singleton ve Environment modelleri + migration’lar; kurulum sihirbazı (backend/prisma/bootstrap-admin.js) lab + superadmin’i birlikte oluşturur. Lab API’si: GET/PATCH /api/lab (lab:configure). Paradigmalar salt-okunur, kod sahipli template’lerdir; GET /api/paradigms ve GET /api/paradigms/:key ile sunulur. Bir ortam (environment), bir paradigmanın isimli instance’ıdır; fiziksel değerleri kendine yeten bir snapshot’a ({ paradigmKey, schemaVersion, apparatus, zones }) çözülür, değerler kod tarafından sabit parametre aralıklarına göre doğrulanır ve testte kilitli kalır. Environment API’si: GET /api/environments, GET /api/environments/:id, POST /api/environments, PATCH /api/environments/:id, DELETE /api/environments/:id (yazma işlemleri apparatus:write ister). Bir lab, aynı paradigmadan birden çok ortam tutabilir (ör. iki ayrı Morris su tankı). Frontend bir Ortamlar menüsü sunar; Paradigmalar sayfası salt-okunur bir katalogdur ve her paradigma detay sayfası yeni bir ortam oluşturabilir.

Adım 2 - Bilimsel kontrat

• Kod sahipli ParadigmSpec kayıt defteri (11 paradigma): MWM, OPEN_FIELD, EPM, ROTAROD, Y_MAZE, NOVEL_OBJECT, BARNES_MAZE, THREE_CHAMBER, LIGHT_DARK, POLE, TREADMILL. ✅
• Ölçüm mimarisi içindeki kod sahipli metrik sözlüğü. ✅
• Kanonik birimler: sonuçlar cm, cm_s, s, count, ratio, percent, deg, rpm, g, boolean kullanır; apparatus parametreleri ek olarak mm ve c taşır. ✅
• Paradigma başına parametreler, bölgeler, metrikler, QC gereksinimleri ve artefakt beklentileri. ✅
• Metrik başına valueType / validRange / templated (zone-bazlı) - hem manuel giriş hem CV bu sözleşmeye göre doğrular. ✅
• schemaVersion ile sonuç şema versiyonlama. ✅
• Salt-okunur inceleme API’si: GET /api/paradigms, GET /api/paradigms/:key, GET /api/paradigms/metrics, GET /api/paradigms/units. ✅

Tamamlandı: kayıt defterleri backend/src/config/{units,metrics,paradigms}.js içinde; isKnownMetricKey(...) Step 4’te tanımsız sonuç anahtarlarını reddetmeye hazır. Bekleyen: paradigma detay sayfalarının frontend’de gösterilmesi ve reddetme mantığının sonuç gönderimine bağlanması.

Çıkış kriteri: her metriğin birimi, tanımı, input listesi ve aggregation davranışı vardır.

Adım 3 - Senaryo: merkezî deney tanımı ✅

Scenario, bir deneyin eksiksiz ve yeniden kullanılabilir tanımıdır; böylece test başlatmak “denek seç ve başlat” kadar basit olur. Domain küçük kalır: Denek (fare, sade tutulur), Paradigma (salt-okunur katalog), Ortam (paradigmanın isimli instance’ı - fiziksel kurulum), Senaryo (merkezî nesne) ve Test (tek koşu).

Bir senaryo bir veya birden çok Environment’a (N-N) referans verir; böylece bir veya birden çok paradigmayı kapsayabilir; her ortamın paradigması metriklerini sabitler. Senaryoda geç/kal kriteri yoktur - davranışsal sonuç veridir, verdikt değil.

Test, Denek + Senaryo’dur ve ortam ortam koşulur (Başlat → metrik sonuçlarını gir → Bitir). Sonuç ortam başına saklanır (result.environments[envId].metrics), ortamın paradigma sözlüğüne göre doğrulanır - CV servisinin göndereceği şekille aynı.

• Başlangıç Scenario’su (POOL | MAZE | STICK | PATH) isimli ortam paketine dönüştürüldü (+ opsiyonel oturum param). ✅
• Test.result ortam-bazlı yapısal JSON; passed/verdikt yok. ✅
• sinyal (ham, CV) / metrik (tanım) / metrik sonucu (değer) ayrıldı. ✅
• Subject sade başlangıç modeli olarak kalır. ✅

Önceki plandan çıkarılanlar: zengin Subject, WeightLog, DiseaseModel/Treatment, Study -> Group, ayrı Apparatus modeli. Fiziksel düzenek Environment’tır; kalibrasyon Adım 5’te kalır.

Adım 4 - Fake CV ile video-only sınır

• X-Service-Key ile POST /api/tests/:id/result.
• captureSessionId ile idempotency.
• Aktif paradigma spec’i ve metrik sözlüğüne göre sonuç validasyonu.
• Kendi PostgreSQL’i ve /health endpoint’i olan cv-service/ iskeleti.
• Sahte ama geçerli metriklerle stub sonuç push.
• Video ve artefaktlar için MinIO.

Adım 5 - Geometri ve kalibrasyon

• Circle, rectangle, plus ve custom polygon için apparatus geometri editörü.
• Platform, center, periphery, quadrant, wall annulus ve arm zone editörü.
• Referans kareyle pikselden cm’ye kalibrasyon ve reprojection error.
• Sabit apparatus kalibrasyonu ve test başına override.
• Tank merkezli koordinatlar, ham cm değerleri ve normalize mesafelerle MWM normalizasyonu.

Adım 6 - Gerçek video CV MVP

• Kamera adapter’ları: local_usb, yüklenen video dosyası ve sonra telefon stream’i.
• Fare lokalizasyonu için detection veya segmentation modeli.
• ByteTrack veya eşdeğer tracker.
• OpenCV preprocessing ve homography.
• Kare bazlı telemetri CV servisinde kalır.
• Özet metrikler Mişko’ya push edilir.

Paradigma	MVP metrikleri
MWM	Escape latency, path length, swim speed, quadrant time, thigmotaxis, probe trial için platform crossings.
Open Field	Distance, mean speed, center time, periphery time, immobility.
EPM	Open arm time, closed arm time, open arm entries, closed arm entries.
Rotarod	İlk aşamada manuel incelemeyle trial duration ve fall candidate event’leri.

Adım 7 - Kalite kontrol ve inceleme

• Tracking confidence, dropped frame ratio, calibration error, occlusion ratio, out-of-bounds ratio, lighting warning ve contrast warning.
• QC durumları: PASS, WARN, REVIEW_REQUIRED, FAIL.
• QC, metrik sonuçlarının yanında saklanır (veriyi niteler, verdikt değildir).
• Video, overlay, trajectory ve metrik özetiyle manuel inceleme ekranı.
• Study export’ları düşük kaliteli koşuları varsayılan olarak filtreler.

Adım 8 - Analiz ve raporlama

• Testlerini toplayan senaryo dashboard’ları; denek gruplarını (Subject.groupName) karşılaştırma.
• Test’ler arası denek geçmişi.
• MWM acquisition curve ve probe summary.
• Open Field ve EPM özetleri.
• Rotarod tekrarlı trial curve’leri.
• Metrik tanımları ve QC durumuyla CSV ve JSON export.

Adım 9 - Gelişmiş davranış modülleri

• Opsiyonel pose-estimation adapter’ı: DeepLabCut, SLEAP veya başka açık kaynak model.
• Rearing, grooming, freezing, risk assessment ve head direction classifier’ları.
• İyileştirilmiş Rotarod fall detection.
• Single-animal iş akışları stabil olduktan sonra multi-animal desteği.

Adım 10 - Canlı izleme ve kaynaklar

• WebSocket veya SSE ile CV’den Vue live paneline akış.
• RTSP ve HTTP adapter’ları.
• Telefon getUserMedia push adapter’ı.
• Canlı QC uyarıları.

Adım 11 - Açık kaynak deployment

• Mişko ve CV servisi için final lisans stratejisi.
• Tüm local stack için Docker Compose profili.
• GHCR image publishing.
• GitHub Pages docs deploy.
• Örnek dataset’ler, demo videolar ve örnek apparatus tanımları.

Non-goals

• Core mimaride sensor fusion yok.
• RFID, accelerometer, load cell veya IR beam bağımlılığı yok.
• Mişko PostgreSQL içinde ham kare telemetrisi yok.
• Bilimsel paradigma tanımları için editable DB row yok.
• İlk mimaride cross-lab multi-tenant deployment yok.